10 月 4 日，DeepSeek Harness 项目组成员崔添翼就社区关注的“新版本加入 Claude Code Mods 兼容”话题作出回应。作为 v0.2.1-alpha.1 版本中 Claude Code Mods 兼容层的作者，他详细解释了这一实验性功能的定位，并重申了项目“一切皆插件”的核心架构理念。

兼容层定位：验证生态能力边界

崔添翼表示，DeepSeek Harness 中的“Claude Code Mods 兼容层”目前属于早期测试版本中的“实验性功能”。开发这一兼容层的主要目的，是验证 Claude Code Mods 向插件作者提供的扩展能力，是否大致是 DSH（DeepSeek Harness）“一切皆插件”架构所提供能力的一个子集。

据其说明，当前版本还无法让所有 Claude Code Mods 在 DeepSeek Harness 中无缝运行；如果社区认为这是一个值得投入的目标，从技术路径上看，未来存在实现的可能。

“一切皆插件”是立项初心

在回应中，崔添翼强调了产品理念的长期一致性。他提到，DeepSeek Harness 的核心理念是“一切皆插件”，这个理念从立项之初、在写下第一行代码之前便已确立。他将其与 DeepSeek 自身的开源理念类比：正如“开源”是从 DeepSeek 成立之初、发布第一个模型之前就确立下来的原则，开放与可扩展性同样是 Agent Harness 产品的初心，而不是被动或模仿他人之后的选择。

v0.2 预览版已开放下载

根据此前报道，DeepSeek Harness v0.2 预览版已于 9 月 29 日正式发布，提供开箱即用的 macOS 和 Windows 桌面端安装包，并已上线 DeepSeek 官网。

本次更新重点优化了文件展示、内容预览与代码变更展示体验，并完善了自动化任务的设置与管理功能。产品提供多种工作过程展示方式，方便用户查看任务进展、了解执行步骤并排查问题。在能力层面，用户可以向 Harness 提供文档、表格或 PDF 文件，由其整理资料、分析数据、生成图表或制作演示文稿；也可以让它修改项目、运行代码，协助完成开发任务。

插件管理走向可视化

v0.2 桌面端新版本新增了插件管理页面。用户安装插件不再需要命令行操作，只需在插件管理页面中输入插件包名（即 npm 包名）即可完成安装；同一页面还支持停用、卸载插件，以及查看插件的介绍与来源信息。

官方此前介绍称，第三方插件是 DeepSeek Harness 用户体验中最具特色且不可缺少的一部分。按照官方以模型 API 用户为口径的统计，约 60% 的 DeepSeek Harness 用户使用了第三方插件。团队表示将持续支持第三方插件生态的繁荣，改善插件的发现、获取与管理体验，并着手建设官方插件市场。

先分阵营：大厂生态、开源技术、企业专业

国内智能体平台目前呈现三大阵营，阵营基本决定了产品基因。

大厂生态型以扣子、腾讯元器、百度文心、阿里百炼、讯飞星辰、智谱为代表，逻辑是”模型底座加流量生态”，标准化、快速部署。开源技术型以 Dify 为代表，走自托管、可定制路线，是技术团队的乐高。企业专业型如实在智能等，强调行业纵深、私有化与全生命周期治理。

你的身份（个人、开发者还是企业）基本决定了该看哪个阵营。

七款平台横评

逐个看重点

扣子是零代码搭建的国民级产品，可视化工作流支持条件分支、循环、并行节点，官方插件超 2000 个，覆盖高德、飞书、抖音等国内主流服务，还能一键发布到微信、飞书、豆包。短板是闭源 SaaS，数据留在字节云，敏感企业场景往往过不了安全评审。

Dify 的工作流能力公认最强，代码节点、HTTP 节点、RAG、Agent 节点齐全，可私有化自托管。代价是开源版的权限、审计、多租户偏弱，”能跑起来”和”能管起来”之间隔着大量自研工作，适合有工程能力的技术团队。

腾讯元器背靠混元大模型与微信、企微生态，部署快，标准化需求一两周能上线，但工作流相对封闭，深度依赖腾讯系。百度文心智能体模板多、接百度搜索与文库、上手快，但跨出百度云生态后体验下降明显。阿里百炼是企业级 MCP 连接器，多模型支持、集成能力强，适合把智能体嵌进现有业务系统。

智谱 GLM-Agent 主打强推理与长任务，讯飞星辰深耕教育垂类、合规等级高，是公办校与教育系统项目的首选。

选型建议

个人与运营想快速搭，选扣子；技术团队要私有化、强 RAG，选 Dify；微信或企微内的轻量场景，选腾讯元器；已用百度云，选文心智能体；企业级多系统对接，选阿里百炼；复杂长任务推理，选智谱 GLM-Agent；教育合规项目，选讯飞星辰。

常见误区

闭源 SaaS 的数据留在厂商云端，敏感场景过不了安全评审，这一点常被忽略。开源平台”能跑起来”和”能管起来”之间，需要补大量权限、审计、多租户等自研工作。另外，不要为了单用户场景上重型推理服务，资源评估要前置。

FAQ

零代码平台能做什么？ 可视化拖拽工作流，配合官方插件即可完成信息汇总、定时推送、客服应答、跨应用数据搬运等任务，扣子的插件量已超过 2000 个。

企业数据敏感怎么办？ 优先选支持私有化部署的方案，如 Dify 自托管，或确认厂商的数据留存与合规等级，讯飞星辰在教育系统合规等级较高。

免费够用吗？ 个人与轻量场景，扣子、元器、文心、百炼均提供基础免费额度；企业级并发、私有化与高级模型通常按量或项目制计费。

来源：综合各平台官方文档与国内开发者社区横向测评（2026）。

八月末，第四届 AFAC 金融智能创新大赛（AFAC2026）总决赛在上海落幕。这场被称作”金融 AI 创新年度风向标”的赛事，吸引了全球 5027 支队伍、近 2 万名选手同台竞技，晋级总决赛的概率仅有约百分之一。

大赛由上海市科学技术委员会、中国计算机学会、北京大学、蚂蚁集团、GFTN 全球金融与技术网络、真格基金、中国银行等机构联合发起。自 2023 年首届举办以来，AFAC 已累计吸引全球超 2 万支队伍、6 万名选手，覆盖 600 余所高校与 700 余家企业；本届发起机构进一步扩展至 33 家，并首次引入新加坡金融科技节发起方 GFTN。

四道赛题直指真实业务

本届四道挑战组赛题，均围绕真实金融场景中的压力展开：数据规模扩大、反馈更少、环境持续变化，但资源与成本始终有限。

赛题一聚焦”市场参与者交易行为识别与资金流向分析”，评审专家、中国科学技术大学王超将其评审标准归纳为”复现、解释、泛化”三个词，直指传统基准测试中”一次高分可能来自偶然”的痛点。赛题二”复杂金融文档还原挑战”瞄准超长表格与复杂结构的鲁棒性，评审专家、复旦大学张军平指出，大部分大模型无法一次性识别超长表格，还需后处理补足。赛题三”稀疏反馈下的自动化实验挑战”把困难置于 Agent 决策过程，指向流程自动化的产业化节点；赛题四”金融长文本 Agent 的动态记忆压缩与高效问答”则强调上下文控制能力，评审专家、哈尔滨工业大学张宇认为，真正拉开差距的不是提示词写得漂亮，而是系统是否具备有效上下文的利用能力。

蚂蚁集团财富 AI Lab 研发负责人徐万青用一个对比点明了行业逻辑：互联网时代新增用户边际成本近乎为零，而 AI 时代每增加一个用户都会带来真实的 Token 消耗与成本——成本本身就是能力的一部分。

百亿级数据集开源

本届总决赛正式开源发布”AFAC 百万金融智能数据集”，沉淀自 2023 年至 2025 年的 14 道高价值赛题，包含 13 万条评测样本、2000 余份专业金融文档与 130 多个历届优胜方案，覆盖百亿级金融科技数据条目。

从 2023 年偏基础的”算法能否进入金融”，到如今聚焦 Agent、Token 经济学与自动化科研，四届赛题的演变，恰是一条金融 AI 从”模型可用”走向”系统好用”的浓缩技术迁徙路径。